L'arrivée des modèles de langage déplace une partie du travail du data scientist : moins de modèles construits depuis zéro, davantage d'évaluation, d'adaptation et de mise en production.

Les méthodes classiques d'apprentissage automatique restent au cœur du métier pour les données structurées, tandis que les modèles pré-entraînés s'imposent sur le texte et l'image. Les formations de ce domaine couvrent ces deux volets et leur articulation.